OmniVoice：多语言方言声音克隆与合成解决方案
小米最新开源的OmniVoice模型，是一款领先的多语言零样本文本到语音（TTS）模型，支持超过600种语言和方言。该模型基于创新的扩散语言模型架构，能够以极快的速度生成高质量的语音，并提供语音克隆和声音设计功能。
主要特点：
- 超广语言覆盖：支持600+语言和方言，实现零样本TTS的广泛覆盖。
- 零样本语音克隆：仅需3-10秒参考音频，即可复刻音色，质量顶尖。
- 自由语音设计：通过文本指令控制性别、年龄、音高、口音/方言等，无需参考音。
- 极速推理：实时推理速度（RTF）低至0.025，比实时快40倍，适合批量与实时场景。
- 精细发音控制：支持笑声、叹气等非语言标记，支持拼音/音标强制纠音。
- 架构简洁高效：采用扩散语言模型结构，兼顾音质、速度与扩展性。
- 易用部署：一键启动Web UI，提供离线整合包，方便本地部署和二次开发。
OmniVoice完全开源，可在GitHub上获取，支持本地离线运行、二次开发与商用。
特别支持以下方言：陕西话、河南话、四川话、贵州话、云南话、桂林话、济南话、石家庄话、甘肃话、宁夏话、青岛话、东北话。
📂 资源目录
OmniVoice.zip [7.9 GB]